李佳浩，李 昕，褚治广

（辽宁工业大学 计算中心，辽宁 锦州 121001）

如今大公司的人员流失越来越严重，尤其是一些专业的员工。但是，拥有不同追求的员工往往不满于现状，抑或是因为种种的原因，缺乏与企业的沟通交流，一时选择离职来解决问题[1]。员工的离职不仅会给公司带来收益降低，而且会给企业发展带来很多危害，比如商业机密的泄露，一些重要客户的丢失，在市场中失去了企业竞争力。因此一种能够提前洞悉员工离职想法的系统非常必要，通过IBM 公司提供的相关数据，对其进行大数据分析[2]。通过对数据进行数据清洗等预处理，数据可视化分析，本实验用了一种基于 Stacking 集成算法Adaboost 和随机森林算法一起构建的一种LRA 员工离职倾向模型。学习数据中蕴含的规律，对员工离职因素数据集进行分析。最后对可能影响员工离职的重要因素进行分析，从而减少员工想要离职的想法，减少企业的不必要的经济损失、让企业领导者做出正确的决定，来减少想要离职的员工人数[3]。

1 算法介绍

1.1 Adaboost 算法

Adaboost 是Boosting算法中最具有代表性的一种算法之一。算法过程如下:

假设训练集

M为样本的个数，（其中，i=1,2,...,M）。

带有权值分布的Dm训练数据集，在第m次运算后得到的基本分类器其中，m代表次数)。

计算Gm(x)的分类误差：

计算Gm(x)的系数：

更新训练集的权限分布：

其中，i=1,2,...,M，Zm是规范化因子，

其目的是得到最终分类器，

线性组合f(x)实现M个基学习器的加权表决，αm表示基本分类器Gm(x)的重要程度[4]。

1.2 随机森林算法

设样本有M个特征，随机森林随机抽取了K个 bootstrap 数据集，对应有K个 OOB 数据集，特征重要性排序的步骤如下：